IA multimodal
IA que usa varios tipos de información, como texto, imagen o sonido, en entradas o salidas.
¿Qué es la IA multimodal?
La IA multimodal procesa o genera varios tipos de información, como texto, imágenes o sonido. Un modelo puede considerar entradas distintas juntas y producir solo texto. Las combinaciones dependen del modelo y su integración. El término no promete entender toda entrada ni producir toda salida.
En un servicio ficticio, el modelo recibe una foto del equipo y una nota escrita. Ambas fuentes deben ayudar juntas a evaluarlo. Si la placa de identificación es ilegible, el flujo requiere aclaración en lugar de un identificador sin fundamento. El equipo comprueba que el contenido real de imagen y texto respalde resultados. Más tipos de entrada aportan contexto sin sustituir esa revisión.
Fuentes
Términos relacionados
- Red neuronalUn modelo de nodos de cálculo conectados con parámetros ajustables.
- Modelo de lenguaje de gran tamañoUn gran modelo de lenguaje procesa lenguaje mediante patrones aprendidos. La fluidez no demuestra exactitud ni acceso a datos empresariales actuales.
- Conversión de voz a textoConvertir el habla contenida en datos de audio en texto escrito.
- Síntesis de vozProducir habla sintética a partir de texto escrito.
- Reconocimiento óptico de caracteresEl reconocimiento óptico de caracteres convierte texto de imágenes en datos procesables. Leer un importe no equivale a comprobar una factura.
- Ficha de modeloUna ficha de modelo documenta el propósito, las bases, las condiciones de evaluación y los límites conocidos de una versión de un modelo de IA.
Artículos sobre el tema
IA y automatización con ASES
Asistentes de IA y procesos automatizados